英语原文共 18 页，剩余内容已隐藏，支付完成后下载完整资料
一种高效强大、可用于工业三维重建的激光条纹 提取方法
摘 要
在工业环境中，基于有源激光三角测量技术的3D重建的使用非常复杂。主要问题在于：大多数这些技术都是基于对噪声高度敏感的激光条纹提取方法，这在实际条件上是不可避免的。在工业环境中，由于亮度可变，在图像中显示为噪声的反射以及不平坦的表面非常常见。这些因素会改变激光轮廓的形状。本研究提出了一种快速，准确和高鲁棒的方法来提取工业环境中的激光条纹，提出了一种特定的程序，该程序以使用边界连接过程提取投射在背景上的激光条纹，并运用不同近似函数（包括线性，二次和Akima样条）的分割、合并方法提取在背景上投射的激光条纹。此外，提出了一种自动定义图像中感兴趣区域的新颖方法，通过测量涉及其应用程序的任务所花费的时间来分析所提出方法的实时性能。最后，将提出的提取方法应用于两个实际应用：钢带的3D重建和焊缝跟踪。
关键词：激光条纹提取；三维重建
Abstract
The use of 3D reconstruction based on active laser triangulation techniques is very complex in industrial environments. The main problem is that most of these techniques are based on laser stripe extraction methods which are highly sensitive to noise, which is virtually inevitable in these conditions. In industrial environments, variable luminance, reflections which show up in the images as noise, and uneven surfaces are common. These factors modify the shape of the laser profile. This work proposes a fast, accurate, and robust method to extract laser stripes in industrial environments. Specific procedures are proposed to extract the laser stripe projected on the background, using a boundary linking process, and on the foreground, using an improved Split-and-Merge approach with different approximation functions including linear, quadratic, and Akima splines. Also, a novel procedure to automatically define the region of interest in the image is proposed. The real-time performance of the proposed method is analyzed by measuring the time taken by the tasks involved in their application. Finally, the proposed extraction method is applied to two real applications: 3D reconstruction of steel strips and weld seam tracking.
Key Words： Laser stripe extraction 3D reconstruction
目 录
1.引言
从光学图像中进行对物体三维重建是计算机视觉的一个主要课题。这些技术提供的信息极大地改善了场景的分析和解释及其组成的对象[1]。光学三维重建技术可分为主动或被动[2]，主动技术使用外部光源来帮助重建三维对象的形状。该技术虽然必须控制场景的照明，但无源技术并不是基于任何特定光源；在被动技术中，立体视觉[3]是最常用的技术，其次是基于使用对象的阴影，纹理或运动进行形状检测的技术[4]。主动技术在三维重建中更常用，它们产生的结果更好，尽管也会遇到准确性和鲁棒性问题。结构光[5]和激光[6]是用于主动技术的两种光源，其中激光最为常见。通常情况下，基于激光的主动技术会在物体或激光条纹向前移动时将激光条投射到物体上并获取投影图像，所获取的激光形状可以计算出关于物体形状的三维信息。缺点是：在这种类型的3D重建中，从图像中提取激光条纹的过程会显着影响精度[7]。该架构的如图1所示。
图1 基于激光投影的3D重建架构图
激光条纹提取方法的发展主要集中在激光检测的准确性上，通常是以鲁棒性为代价的，这是因为在环境光和激光功率受控制的条件下，重点关注精度而不是鲁棒性。例如在[8]中，激光条纹提取是一个简单的过程；在[9]中，通过简单搜索图像中的局部最大值来获得激光条纹的位置；其他激光条纹提取方法是基于列和行处理的，其中图像的每一列都被独立处理，以便计算激光在该列中的位置[10,11]，但这些方法不适用于在获取投射激光的情况，因为它们对噪声非常敏感。所以在工业环境中，必须设计激光条纹提取程序以提供准确的检测，它们必须能够处理异常情况，例如亮度变化、图像中的反射噪声、激光投影下的不平坦表面，这些因素都会改变激光轮廓的形状，此外长时间使用的激光往往会产生不均匀的磨损，从而使整个提取过程很难在整个图像上达到不同的亮度水平，甚至在某些部位甚至完全缺乏激光。
这项研究提出了一种快速、准确、鲁棒性好的方法来提取工业环境中的激光条纹。分两个步骤进行：使用边界连接方法检测投射在背景上的激光条，然后使用改进的拆分合并方法提取投射在检查对象上的激光条纹，以上两步均可进行强力和快速的峰检测。本工作中提出的提取程序有三个主要目标，有别于以前的工作：
1）准确性：所建议的过程旨在做到准确。对于机器视觉应用来说，这是必不可少的要求，机器视觉应用需要从图像（在这种情况下，根据从激光条纹投影计算出的三维重建）中推断出的信息来采取行动。
2）鲁棒性：程序旨在用于重噪声条件下。
3）效率：为在实时约束下以高帧速率应用设计，使得在工业制造过程中，三维重建成为可能。
精度，鲁棒性和效率是大多数应用程序所共有的要求，不仅是在工业环境中，也适用于许多其他类型的应用程序。
本文的其余部分安排如下：第2章描述了文献中提出的关于激光峰值检测和链接的先前工作； 第3章提出了这项工作中的激光条纹提取程序; 第4章讨论了将建议的方法应用于两个实际工业应用时所获得的结果：钢带的3D重建和焊缝跟踪，最后是第5章的报告结论。
2.预处理工作
激光条纹提取是分两个步骤进行。首先，通常在将图像的每一列或每一行视为独立信号的情况下检测激光条纹。然后，应用激光链接程序以避免检测中引起噪声的问题。取决于环境条件，激光链接可能是不必要的，并且通常不应用。
2.1激光峰值检测
将图像的每一列（或行，取决于激光条纹的方向）视为独立信号来进行激光检测[7]。每个信号的激光轮廓对应一个高斯轮廓；因此，找到最大照度的信号点应对应于激光中心，但是，噪声会导致此过程失败，因为最大亮度可能会对应于闪烁点。使用干涉滤光片仅获取与激光波长匹配的图像部分，从而极大地降低了噪声，但并不能完全消除[12]。准确检测图像每一列的激光中心的最常用方法是高斯近似，质心，线性近似，Blais和Rioux检测器以及抛物线估计器。在[13]中，对这五个方法进行了比较，得出的结论是，它们全部都在相同范围内显示性能。其他工作，例如[10]，则表明质量中心法是产生最佳结果的方法。这些方法可提供亚像素精度级别的激光中心位置，并将图像的每一列都视为独立的信号。因此，它们都受到极大的噪声影响，因为它们没有考虑图像列之间的激光条纹连续性。而且，不能正确处理噪声。
2.2激光峰链接
在不依赖于工作条件的情况下，峰值检测方法会独立于每个图像列。在理想的工作条件下，这些方法提供了一个像素位置序列，以识别连续的激光条纹。然而，在不能完全控制环境的条件下，例如工业环境，检测到激光条纹的像素位置的顺序可以描述由于噪声而导致的不连续条纹。此外，在检测到的激光条中也可能出现间隙，即未检测到激光条的区域。这表明在工业环境下，单峰检测过程不足以提取激光条纹。我们将峰检测视为第一步，然后进行其他操作，例如峰链接过程。虽然没有针对激光峰的特定链接方法，但是，此问题可以与计算机视觉中的边缘链接同化。链接方法可以分为两大类：在每个点使用本地信息的方法和使用全局信息的方法[14]。本地处理法基于对检测到激光的每个点周围的像素窗口的分析（在计算机视觉的情况下为边缘）。链接窗口中的相似点，然后移动窗口[15]。在计算机视觉中，窗口大小通常为3times;3或5times;5像素，相似性标准通常基于梯度的响应和方向。在激光峰链接的情况下，相似性标准可以基于先前的峰检测过程提供的信息。本地处理法具有以下缺点：它们无法链接比窗口大小更大的辅助点分隔的点。因此，必须将窗口大小考虑为点或点之间可接受的最大距离，这些点将被视为单行的一部分。通常很难精确知道该窗口大小，因此很难确定理想的窗口大小。与前者不同，全局处理方法考虑边缘之间的所有关系，或者在使用激光的情况下，考虑检测激光的点之间的所有关系。这些方法中的一些具有关于结果的预期形状的先验信息。在这些方法中，最著名的是霍夫变换[16]，它通常用于检测图像中的直线，但也可以用于检测任意形状[17]。当已知激光投影形成直线时，例如在某些焊接跟踪应用中，霍夫变换是最常用的方法[10,18]。
在没有其他方法的知识情况下，请使用一系列连续的段链接点，通过直线、二次曲线或其他类型的多项式进行调整，这种方法的一个示例是所谓的迭代端点拟合[19]。该方法开始于使用直线连接数据端点A和B。检查从直线出发的最大点C。 如果从点C到直线的距离太大，则该点将成为两个新直线段的锚点：AtoC和CtoB。然后，过程继续进行，直到数据点被线性线段很好地拟合为止。通过使用高维函数[20,21]调整片段，可以执行类似的过程。这种链接方法的主要缺点是由错误的数据点引起的错误。通过添加最后的段合并步骤可以将这些错误最小化[22]。
3. 激光条纹提取程序
激光峰值检测是一个易于调整的过程，可在受控环境中提供最佳结果。例如，在一个照明良好的房间内，投影的条纹在朗伯表面上，简单的阈值足以准确检测图像中的激光位置。但是，在工业环境中，周围的光是可变的，甚至是单一的图像。此外，激光束的光密度不是均匀分布的，并且投影激光的表面可能会改变。图2显示了在变化的条件下获取
剩余内容已隐藏，支付完成后下载完整资料
资料编号：[239032]，资料为PDF文档或Word文档，PDF文档可免费转换为Word
以上是毕业论文外文翻译，课题毕业论文、任务书、文献综述、开题报告、程序设计、图纸设计等资料可联系客服协助查找。
